羅家毅

(安徽工業(yè)大學(xué) 工商學(xué)院，安徽 馬鞍山 243002)

?

智能切換控制器在焦?fàn)t鼓風(fēng)機(jī)調(diào)速系統(tǒng)中的應(yīng)用

羅家毅

(安徽工業(yè)大學(xué) 工商學(xué)院，安徽 馬鞍山 243002)

焦?fàn)t鼓風(fēng)機(jī)調(diào)速系統(tǒng)是集氣管壓力控制系統(tǒng)的重要環(huán)節(jié)，是煉焦正常生產(chǎn)的重要保證.它具有非線性、時(shí)變性、強(qiáng)擾動(dòng)等復(fù)雜特性，常規(guī)控制方法很難達(dá)到理想的控制效果.設(shè)計(jì)的智能切換控制器將基于最小二乘支持向量機(jī)的內(nèi)?？刂破髋c非線性PID控制器相結(jié)合，根據(jù)不同生產(chǎn)工況條件進(jìn)行切換控制，進(jìn)而保持初冷器前吸力的穩(wěn)定.應(yīng)用于焦?fàn)t鼓風(fēng)機(jī)變頻調(diào)速系統(tǒng)中，Matlab仿真結(jié)果表明該智能切換控制器對(duì)于不同生產(chǎn)工況具有良好的調(diào)節(jié)效果，能夠消除不可測干擾.

智能切換控制；焦?fàn)t鼓風(fēng)機(jī)；最小二乘支持向量機(jī)；非線性PID

集氣管壓力是煉焦生產(chǎn)的關(guān)鍵狀態(tài)指標(biāo)，其大小的穩(wěn)定不僅直接影響設(shè)備壽命和焦炭質(zhì)量，而且與安全生產(chǎn)和環(huán)境問題息息相關(guān).而初冷器前吸力的波動(dòng)是導(dǎo)致集氣管壓力變化的關(guān)鍵因素，一般采用調(diào)節(jié)鼓風(fēng)機(jī)轉(zhuǎn)速的方法來改變總管中煤氣的流量和壓力，進(jìn)而保持初冷器前吸力的穩(wěn)定，所以焦?fàn)t鼓風(fēng)機(jī)調(diào)速系統(tǒng)是穩(wěn)定調(diào)節(jié)集氣管壓力的主要環(huán)節(jié).它具有非線性、時(shí)變性、強(qiáng)擾動(dòng)等復(fù)雜特性，不僅難以準(zhǔn)確獲得被控對(duì)象的數(shù)學(xué)模型，而且極大增加了控制器設(shè)計(jì)的難度和控制算法的復(fù)雜程度，傳統(tǒng)、常規(guī)、單一的控制方法很難達(dá)到理想控制效果，需要結(jié)合計(jì)算機(jī)控制技術(shù)進(jìn)行先進(jìn)的智能控制.

早期在集氣管壓力系統(tǒng)中多使用傳統(tǒng)PID，無法同時(shí)滿足調(diào)節(jié)快速和降低超調(diào)的要求，控制效果差[1]；2000年早期，陽春華教授采用PID控制器調(diào)節(jié)多個(gè)集氣管翻板開度，采用專家控制器調(diào)節(jié)鼓風(fēng)機(jī)的轉(zhuǎn)速，采用前饋控制器補(bǔ)償對(duì)于翻板動(dòng)作或轉(zhuǎn)速變化帶來的干擾，多種控制器并用[2]；北科大舒雄鷹以PID控制為基礎(chǔ)，結(jié)合專家系統(tǒng)設(shè)計(jì)了一種可以按現(xiàn)場生產(chǎn)情況進(jìn)行智能切換的控制算法[3]；近年，張世峰等人提出一種基于RBF神經(jīng)網(wǎng)絡(luò)辨識(shí)的單神經(jīng)元控制器與PID控制器相結(jié)合的方法[4].

以上控制方法各有優(yōu)劣，但是做出了許多有益的新嘗試，在此基礎(chǔ)上，本文針對(duì)焦?fàn)t鼓風(fēng)機(jī)變頻調(diào)速系統(tǒng)提出了一種智能切換控制器.該智能切換控制器可以根據(jù)現(xiàn)場生產(chǎn)的不同工況自動(dòng)選擇不同控制器，在正常工況下選擇投入基于最小二乘支持向量機(jī)的內(nèi)?？刂破?LSSVM_IMC)在線跟蹤被控對(duì)象模型，實(shí)時(shí)調(diào)整控制器參數(shù)，可有效抑制未知干擾帶來的影響，快速恢復(fù)系統(tǒng)穩(wěn)定；在非正常工況下切換采用非線性PID控制器，針對(duì)不同的操作工況產(chǎn)生的強(qiáng)干擾，PID控制器自動(dòng)調(diào)整不同參數(shù)，以快速消除系統(tǒng)干擾，通過穩(wěn)定初冷器前吸力進(jìn)而實(shí)現(xiàn)集氣管壓力的穩(wěn)定[5-6].

1 焦?fàn)t鼓風(fēng)機(jī)調(diào)速控制系統(tǒng)結(jié)構(gòu)

某焦化廠有1#、2#兩座焦?fàn)t，鼓風(fēng)機(jī)調(diào)速系統(tǒng)工藝流程如圖1所示.兩座焦?fàn)t產(chǎn)生的荒煤氣經(jīng)四根集氣管匯集到煤氣總管，總管內(nèi)的煤氣經(jīng)氣液分離器分離后經(jīng)初冷器冷卻，再經(jīng)鼓風(fēng)機(jī)加壓后一路經(jīng)回流管回到初冷器前的煤氣總管，一路送到下道工序進(jìn)行處理，處理完后送給用戶.使用變頻器進(jìn)行鼓風(fēng)機(jī)調(diào)速控制主要是通過鼓風(fēng)機(jī)的轉(zhuǎn)速變化來改變煤氣總管中的煤氣流量和壓力，來保證在不同干擾情況下初冷器前吸力的快速穩(wěn)定，因?yàn)槌趵淦髑拔εc焦?fàn)t集氣管壓力緊密相關(guān)，其變化將直接反應(yīng)集氣管壓力的變化.

圖1 焦?fàn)t鼓風(fēng)機(jī)調(diào)速系統(tǒng)工藝流程

一般來說，煉焦生產(chǎn)過程可以分為正常工況和非正常工況兩種情況，大部分生產(chǎn)期間屬于正常工況，集氣管壓力隨著煤氣總量的變化而上下波動(dòng)，此時(shí)需要一種具有很好魯棒性、并能適應(yīng)鼓風(fēng)機(jī)系統(tǒng)復(fù)雜動(dòng)態(tài)特性的智能控制策略；而當(dāng)進(jìn)行推焦、裝煤、換向加熱、開關(guān)氨水等一些人工操作時(shí)，系統(tǒng)會(huì)產(chǎn)生較大幅度的強(qiáng)烈擾動(dòng)，稱為非正常工況，此時(shí)則需要快速消除誤差、恢復(fù)穩(wěn)定.針對(duì)兩種工況條件，本文采用的智能切換控制器能夠在正常工況下自動(dòng)選擇LSSVM_IMC，在非正常工況下切換采用非線性PID控制器，兩者通過復(fù)合切換相互協(xié)調(diào)控制，從而穩(wěn)定調(diào)節(jié)輸出.現(xiàn)以鼓風(fēng)機(jī)變頻調(diào)速系統(tǒng)作為研究對(duì)象，其智能切換控制器的系統(tǒng)結(jié)構(gòu)如圖2所示.

圖2 智能切換控制器結(jié)構(gòu)

圖2所示控制結(jié)構(gòu)包括非線性PID控制器和LSSVM_IMC、系統(tǒng)被控對(duì)象P、內(nèi)部模型M和反饋濾波器F.其中，該智能切換控制器取初冷器前吸力為被控量y(k)，鼓風(fēng)機(jī)變頻器輸出頻率為控制量u(k)，其他壓力檢測點(diǎn)的壓力變化、人工操作引起的壓力波動(dòng)等其他對(duì)被控量的各種影響視為干擾d(k)，初冷器前吸力的設(shè)定值r(k)大小是根據(jù)生產(chǎn)工況不同分段設(shè)計(jì)的，ym(k)是LSSVM_IMC內(nèi)部辨識(shí)模型的輸出，sw為兩種控制器的切換開關(guān)，切換條件是根據(jù)吸力設(shè)定量與被控量的差值進(jìn)行比較得到，反饋濾波器F是當(dāng)內(nèi)部模型與被控對(duì)象失配時(shí)，被引入用來改變系統(tǒng)的結(jié)構(gòu)和參數(shù)從而增強(qiáng)內(nèi)模系統(tǒng)的穩(wěn)定性，這里選用一型濾波器用于內(nèi)?？刂频姆答佂ǖ乐?

2 智能切換控制器設(shè)計(jì)

2.1 正常工況下LSSVM_IMC設(shè)計(jì)

實(shí)際煉焦生產(chǎn)的大部分情況屬于正常工況條件，該煉焦廠在正常生產(chǎn)時(shí)，通過采集l組變頻器控制量和初冷器前吸力大小為輸入輸出數(shù)據(jù)對(duì)，構(gòu)成訓(xùn)練樣本集{(u(k),y(k)),k=1,2,…,l} .利用LSSVM建立系統(tǒng)觀測器，把u(k)和y(k)作為觀測器的輸入量，再通過LS_SVM辨識(shí)得到的內(nèi)部模型M在輸入量為u(k)時(shí)得到內(nèi)部模型輸出量ym(k)，將ym(k)與y(k)的差值Δym(k)作為模型修正量與吸力設(shè)定值r(k)比較.LSSVM_IMC的觀測器輸入量的向量形式為：

(1)

X1,X2,…,Xl為觀測器從k時(shí)刻到k-n+1時(shí)刻的輸入向量，而y1,y2,…,yl為系統(tǒng)輸出給變頻器從k時(shí)刻到k-n+1時(shí)刻的控制量，從而得到鼓風(fēng)機(jī)變頻調(diào)速系統(tǒng)的模型訓(xùn)練樣本集為：

{(X1,y1),(X2,y2),…,(Xl,yl)}?Rn*Rn

(2)

用非線性函數(shù)φ(x)把得到的輸入向量映射到一個(gè)高維特征空間，在該高維空間上建立最優(yōu)化決策函數(shù)：

y=f(x)=wT·φ(x)+b

(3)

式中b為偏移量，w為權(quán)向量.在LSSVM中目標(biāo)優(yōu)化函數(shù)和約束條件為：

(4)

s.t yk=wT·φ(xk)+b+ξk,k=1,2,3，…,l

(5)

式中γ為調(diào)整參數(shù)，它的取值可以兼顧模型復(fù)雜程度和訓(xùn)練誤差，使得所述問題中的目標(biāo)函數(shù)能有較佳的泛化能力.引入Lagrange函數(shù)：

(6)

通過KKT條件可以獲得最優(yōu)的a和b.

(7)

通過消除ζ，w,所述的優(yōu)化問題便可以簡化為如下線性方程的求解問題：

(8)

其中，y=[y1,y2,…,yl]T，Il=[1,1,…,1]T，a=[a1,a2,…,al]T.因此利用LS_SVM建立的觀測器為：

ym(k+1)=f[X(k)]=wφ[X(k)]+b=

(9)

建立好鼓風(fēng)機(jī)變頻調(diào)速系統(tǒng)的觀測器后，還需要確定鼓風(fēng)機(jī)調(diào)速系統(tǒng)的逆模型，這里把被控對(duì)象看作為一個(gè)SISO系統(tǒng)：

(10)

(11)

內(nèi)?？刂破鞯慕⒕褪切枰_定式(11)中g(shù)(·)函數(shù)的表達(dá)形式和具體參數(shù).首先確定內(nèi)?？刂破鞯妮斎胂蛄康男问綖椋?/p>

(12)

對(duì)式(10)所示系統(tǒng)，采用LSSVM逼近其逆模型，其計(jì)算方法與以上辨識(shí)內(nèi)部模型的方法相同，得到的逆模型即為式(11)的逼近式，可表示為：

(13)

在正常工況下采用LSSVM_IMC控制方法，能夠?qū)⒐娘L(fēng)機(jī)變頻調(diào)速系統(tǒng)變成一個(gè)動(dòng)態(tài)的偽線性被控對(duì)象，即實(shí)現(xiàn)了把被控對(duì)象的非線性變?yōu)榫€性這一過程，極大地減小了控制難度和算法復(fù)雜性[7-8].

2.2 非正常工況下非線性PID控制器設(shè)計(jì)

非正常工況下初冷器前吸力的擾動(dòng)劇烈，采用非線性PID能夠快速消除強(qiáng)干擾.非線性PID控制各調(diào)節(jié)參數(shù)都可以根據(jù)偏差大小的不同作非線性變化，使用更為靈活.非線性PID控制器在工業(yè)計(jì)算機(jī)控制過程中常使用離散化后的改進(jìn)公式，即：

u(k)=KP(e(k)-e(k-1))+KIe(k)+

KD(e(k)-2e(k-1)+e(k-2))

(14)

式中，u(t)表示系統(tǒng)輸出，e(t)為偏差信號(hào)，Kp、KI、KD分別是比例、積分、微分系數(shù)，均與e(t)呈非線性關(guān)系，其表達(dá)式為：

(15)

式(15)中，ap、bP、cP和aI、bI、CI等參數(shù)是用于現(xiàn)場在線調(diào)試的常數(shù)因子，w為積分時(shí)間調(diào)節(jié)因子.

3 Matlab仿真結(jié)果

設(shè)鼓風(fēng)機(jī)調(diào)速系統(tǒng)離散化后的非線性表達(dá)式如下所示：

y(k)=a·y(k-1)/1+y(k-1)2+

b·u(k-1)y(k-1)+c·u(k-1)

(16)

式中，y(k)是正常工況下第k個(gè)采樣點(diǎn)初冷器前吸力的實(shí)際輸出值，y(k-1)是第k-1個(gè)采樣點(diǎn)的吸力輸出值，u(k-1)是第k-1個(gè)采樣點(diǎn)變頻器的控制量，a,b,c均為系統(tǒng)被控對(duì)象模型參數(shù)，這里設(shè)a=0.35，b=0.1，c=0.5.

在Matlab仿真時(shí)，取300個(gè)采樣點(diǎn)，采樣時(shí)間ts為1s，仿真時(shí)間300s，按照該焦化廠對(duì)初冷器前吸力大小的要求，設(shè)置參考輸入，即吸力的設(shè)定值在0～100s時(shí)間內(nèi)為-1KPa，100～200s時(shí)間內(nèi)為-1.4Kpa，200～300s時(shí)間內(nèi)為-1.2KPa.為模擬生產(chǎn)現(xiàn)場初冷器前吸力實(shí)時(shí)波動(dòng)性和由于推焦、出煤、高壓氨水噴灑等人工操作帶來的強(qiáng)干擾，分別在采樣時(shí)刻140s和240s時(shí)給定+0.4KPa和-0.2KPa的擾動(dòng)信號(hào).具體仿真結(jié)果如下：

圖3和4分別是僅采用單一控制器的控制效果.由圖中可以看出，圖3僅采用LSSVM_IMC，在參考輸入變化較大及干擾發(fā)生時(shí)，系統(tǒng)都產(chǎn)生了不同程度的振蕩調(diào)節(jié)，部分超調(diào)量過大.圖4僅采用非線性PID，在第一次較強(qiáng)擾動(dòng)信號(hào)來臨時(shí)，系統(tǒng)發(fā)生了強(qiáng)烈的振蕩，持續(xù)時(shí)間長，其他部分時(shí)刻超調(diào)量較大.

圖3 僅LSSVM_IMC控制效果

圖4 僅非線性PID控制器控制效果

圖5 智能切換控制器控制效果

圖5所示為外加兩次干擾情況下智能切換控制器的控制效果.由圖可見，在140s時(shí)刻產(chǎn)生+0.4KPa，以及240s時(shí)刻產(chǎn)生-0.2KPa的外部擾動(dòng)時(shí)，系統(tǒng)都隨之出現(xiàn)了短時(shí)間的振蕩，但是超調(diào)量小、調(diào)節(jié)時(shí)間短，很快就恢復(fù)了對(duì)給定信號(hào)的跟蹤響應(yīng)，說明該智能切換控制器能夠較好地消除不同程度的未知干擾，具有良好魯棒性.

綜上，LSSVM_IMC及非線性PID需要相互協(xié)調(diào)控制，其組成的智能切換控制器對(duì)系統(tǒng)產(chǎn)生的不可測干擾具有良好地抑制消除作用，能夠較好地輸出跟蹤給定值，控制快速、準(zhǔn)確、穩(wěn)定，魯棒性強(qiáng).

4 結(jié)論

本文針對(duì)焦?fàn)t鼓風(fēng)機(jī)調(diào)速系統(tǒng)，根據(jù)煉焦生產(chǎn)中正常和非正常兩種工況條件，分別采用基于最小二乘支持向量機(jī)的內(nèi)?？刂破?LSSVM_IMC)與非線性PID控制器組成智能切換控制器，穩(wěn)定控制初冷器前吸力大小，進(jìn)而使集氣管壓力保持在合理范圍.Matlab仿真結(jié)果表明，設(shè)計(jì)的LSSVM_IMC模型辨識(shí)度高，具有良好的動(dòng)態(tài)性能和控制精度，在正常生產(chǎn)工況下可以消除不可測干擾的影響；非線性PID控制器簡單有效，能夠快速消除非正常工況下的強(qiáng)擾動(dòng)，及時(shí)恢復(fù)系統(tǒng)穩(wěn)定.兩者需要通過自動(dòng)切換實(shí)現(xiàn)協(xié)調(diào)控制，整體控制效果良好，具有一定的應(yīng)用價(jià)值和推廣作用.

[1]徐竟天.焦化爐集氣管壓力計(jì)算機(jī)監(jiān)控系統(tǒng)開發(fā)[D].西安：西安石油大學(xué)，2005.

[2]Chunhua Yang，Min Wu，Deyao Shen，Geert Deconinck．Hybrid intelligent control of gas collectors of coke ovens[J].Control Engineering Practice，2001，9(7)：725-733．

[3]舒雄鷹．雙焦?fàn)t集氣管壓力智能控制系統(tǒng)[J].自動(dòng)化與儀表，2003，18(1)：39-41．

[4]張世峰，周建芳. 焦?fàn)t集氣管壓力自適應(yīng)預(yù)測解耦控制系統(tǒng)設(shè)計(jì)[J].重慶大學(xué)學(xué)報(bào)，2009，32(1)：105-110.

[5]胡良謀，曹克強(qiáng)，徐浩軍.支持向量機(jī)故障診斷及控制技術(shù)[M].北京：國防工業(yè)出版社，2011.

[6]何熠.基于支持向量機(jī)的非線性系統(tǒng)辨識(shí)建模與控制[D].天津：天津大學(xué)，2006.

[7]張金花，張世峰，何福金.基于多模型切換的焦?fàn)t鼓風(fēng)機(jī)調(diào)速系統(tǒng)智能控制策略研究與應(yīng)用[J].冶金自動(dòng)化，2010,34(3)：10-13.

[8]Suykens J.A.K，Vanderwalle J.Least squares support vector machines classifiers[J].Neural Processing Letters，1999,9(3)：293-300.

(責(zé)任編輯:王前)

10.13877/j.cnki.cn22-1284.2016.08.004

2016-07-04

羅家毅，男，安徽馬鞍山人，教師.

TP23

A

1008-7974(2016)04-0012-04